IV.9Медиа, журналистика, культура, архивы и игры

DeQA-Score-Mix3 — модель оценки качества изображений из проекта DepictQA. Её веса полностью дообучены на наборах KonIQ, SPAQ и KADID; в основе лежит мультимодальная архитектура mPLUG-Owl2 с Llama 2, содержащая 6,6 млрд параметров. Модель принимает изображение и формирует текстовый ответ, связанный с оценкой качества изображения. Модель предназначена для оценки визуального качества изображений в сценариях, связанных с наборами KonIQ, SPAQ и KADID. Репозиторий подготовлен для использования через Transformers и AutoModelForCausalLM; в README отмечена совместимость с версиями Transformers 4.46.3 и 4.57.6. Карточка указывает английский язык, контекст 2048 токенов и лицензию MIT.

dfmodel — дообученная Anshul15 модель facebook/wav2vec2-base для классификации речи по аудио. Она построена на архитектуре Wav2Vec2ForSpeechClassification и содержит 113,3 млн параметров. В README приведены результаты на оценочной выборке: loss 0,0061 и accuracy 0,9984; набор данных и детали оценки не описаны. Модель предназначена для классификации речевых аудиозаписей. Она принимает аудио и выдаёт метки классов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

Dionysus-Mistral-m3-v6 — языковая модель DECEM для генерации текста и ролевых диалогов. Она дообучена методом SFT на AIDC-ai-business/Marcoroni-7B-v3 и построена на архитектуре Mistral с плотной causal language model на 7,1 млрд параметров. Модель рассчитана прежде всего на англоязычный roleplay: она продолжает диалог по шаблону в стиле Alpaca, где задаются системный промпт, инструкция и имя персонажа. Указанное родное окно контекста — 32 768 токенов. Модель принимает и выдаёт текст. Репозиторий содержит веса Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Результаты на нескольких задачах Open LLM Leaderboard приведены в README, однако они сами по себе не гарантируют качество в конкретных сценариях; модель предназначена для roleplay, а не заявлена как специализированный помощник для фактологических ответов.

Модель amnesiackid/distilhubert-finetuned-ravdessplus — дообученная версия компактной речевой модели DistilHuBERT от NTU, созданная для классификации аудио. Она содержит 18,9 млн параметров и использует архитектуру HuBERT с классификационной головой; веса опубликованы в формате safetensors. Базовая DistilHuBERT предназначена для извлечения речевых представлений из аудио с частотой 16 кГц. Модель подходит для присвоения аудиозаписям классов в задачах распознавания эмоций или других характеристик речи; в README приведены точность 0,8403 и loss 0,7436 на оценочном наборе. Название указывает на связь с RAVDESS+, но README не раскрывает состав набора данных и метки классов, поэтому конкретную схему классификации подтвердить нельзя. Лицензия — Apache-2.0.

Dragonwar 7b α — авторская экспериментальная модель maldv для продолжения фэнтезийных историй. Она основана на плотной архитектуре Mistral с 7,1 млрд параметров и рассчитана на генерацию текста; в карточке Hugging Face указан контекст до 32 768 токенов. Автор описывает обучение на полных текстовых окнах, затем на продолжениях, этап ORPO и дополнительную эпоху обучения на текстах. Модель предназначена для режима storymode: ей предлагают начало рассказа или имя персонажа, после чего она продолжает повествование, а не ведёт диалоговый чат. Модель распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование. Автор рекомендует настройки Min-P и динамической температуры для генерации. Карточка также описывает приём для подавления EOS, но такая настройка может мешать модели корректно завершать текст. Язык обучения прямо не указан; фэнтезийная тематика следует из назначения модели и её названия.

DuplexJev-B-Para-Qwen3-ASR-0.6B-Qwen3-4B — компактный аудиотекстовый коннектор семейства DuplexJev. Он принимает речь от замороженного энкодера Qwen3-ASR-0.6B и передаёт её через обучаемый проектор в замороженную языковую модель Qwen3-4B. На вопросы с заранее заданными вариантами ответа модель выдаёт распределение вероятностей по вариантам за один прямой проход без декодирования токенов, поэтому за один проход можно задать несколько вопросов. Модель предназначена для коротких решений по речи и определения характеристик говорящего, включая пол и эмоции. В README приведены оценки для вопросов по звучащей речи и измерения задержки; авторы предупреждают, что результаты зависят от формулировки запросов, а вопросы на общие знания модель решает хуже. Обучался только коннектор: использовались дистилляция транскриптов и данные для вопросов по содержанию, полу и эмоциям. Проверка проводилась на читаемой или актёрской речи и небольших тестовых наборах; потоковый режим не оценивался. Эмоциональные метки получены на актёрских корпусах и не предназначены для принятия решений о людях. Коннектор совместим только с указанными энкодером и LLM. Лицензия — CC BY-NC 4.0, то есть использование ограничено некоммерческими целями.

Fictiverse/ElRisitas — дообученная модель Stable Diffusion 1.5 для генерации изображений с Эль Риситасом по текстовому описанию. Чтобы вызвать персонажа, добавьте в запрос «Elrisitas». Модель работает через StableDiffusionPipeline библиотеки Diffusers; в репозитории доступны форматы Diffusers, PyTorch и safetensors. Модель предназначена для создания изображений с этим персонажем в заданных сценах и стилях. В README указана лицензия OpenRAIL. Размер модели и длина контекста в предоставленных данных не приведены.

EstopianMaid-13B — модель генерации текста для ролевого общения и создания историй, разработанная KatyTheCutie. Она ориентирована на следование карточкам персонажей, поддержание связности сцен с несколькими персонажами и создание новых сценариев. Модель использует плотную архитектуру LlamaForCausalLM семейства Llama, содержит 12,9 млрд параметров и рассчитана на контекст до 4096 токенов. Для подсказок рекомендован шаблон Alpaca; автор также приводит настройки генерации для SillyTavern. Модель собрана слиянием нескольких 13B-моделей, включая варианты Llama 2, ролевые модели и модели, настроенные на диалоги. Файлы представлены в формате safetensors. Указана лицензия Llama 2. В карточке описаны предпочтительные сценарии ролевого общения, но нет формальных оценок качества или подробных сведений о поведении за пределами этих сценариев.

Модель tihon-nth/finetuned-ucf101-subset — дообученный видеотрансформер VideoMAE-base на основе MCG-NJU/videomae-base, разработанный автором репозитория tihon-nth. Она предназначена для классификации видео; в README приведены результаты на оценочном наборе: accuracy 0,8516 и loss 0,2251. Модель содержит 113,2 млн параметров, построена на архитектуре VideoMAEForVideoClassification и распространяется в формате Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Сведения о классах действий, составе обучающего набора и конкретных ограничениях в карточке отсутствуют.

Fire3D — модельная система для восстановления трёхмерных сцен, разработанная авторами проекта Fire3D. Она преобразует одно RGB-изображение или обычное RGB-видео в набор согласованных 3D-ресурсов сцены: определяет объекты, их положение и ориентацию, ограничивающие рамки, геометрию сеток и текстуры. Для реконструкции используется каскад моделей на основе flow matching, а результат формируется без дополнительной оптимизации на тестовом примере. В комплект входят контрольные точки восприятия сцены, реконструкции структуры и формы, VAE-компоненты и декодеры TRELLIS.2. Модель предназначена для создания редактируемых сцен и ресурсов, пригодных для использования в симуляции. Выпущенные контрольные точки рассчитаны на инференс по фиксированным протоколам. Качество может снижаться при неточных позах камеры или глубине, сильных перекрытиях, необычном масштабе, некомнатном фоне и объектах вне обучающего распределения; сгенерированные сетки следует проверять перед применением в критичных или физических системах. Лицензия указана как other, конкретные условия следует проверять в репозитории.

080-ai/flintlock_3B_v0.1 — дообученная плотная авторегрессионная модель семейства Llama на базе OpenLLaMA 3B. Она предназначена для генерации текста с опорой на первоисточники по истории США и может помогать формулировать ответы и объяснения о контексте исторических событий. Модель содержит 3,3 млрд параметров, принимает текст, имеет контекстное окно 2048 токенов и распространяется в формате Safetensors. Модель обучалась на наборе ambrosfitz/ps_data_v2.2; в карточке приведены показатели двух эпох обучения. Заявленная лицензия — Apache-2.0. Карточка не описывает точность ответов и охват исторических тем, поэтому фактические утверждения модели следует проверять по первичным источникам.

Kaludi/food-category-classification-v2.0 — модель компьютерного зрения, разработанная Kaludi для классификации изображений еды. Она построена на архитектуре Swin и содержит 58,7 млн параметров; принимает изображение и относит его к одной из 12 категорий: хлеб, молочные продукты, десерт, яйца, жареная еда, фрукты, мясо, лапша, рис, морепродукты, суп или овощи. Модель подходит для автоматической сортировки фотографий в каталогах фуд-блогов, ресторанов и сайтов с рецептами. В README приведены метрики валидации: точность 0,960 и macro F1 0,959. Эти результаты относятся к описанной проверке и не гарантируют такого же качества на других изображениях и данных. Лицензия в предоставленных источниках не указана.

shahrukhx01/gbert-hasoc-german-2019 — немецкоязычная модель классификации текста на основе BERT, опубликованная пользователем shahrukhx01. По названию репозитория модель связана с задачей HASOC German 2019; README показывает загрузку через Transformers как AutoModelForSequenceClassification. Веса содержат 137,1 млн параметров, максимальный контекст — 512 токенов. Модель предназначена для классификации немецких текстов, в частности для выявления языка ненависти и оскорбительного контента. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT. Доступные сведения не раскрывают метки классов и метрики качества, поэтому их нельзя уточнить.

Dohyun Kim, Jongbong Lee и Jaehoon Kim дообучили диалоговую модель Google Gemma 2 2B Instruct для ответов на вопросы о чемпионах League of Legends. Модель использует архитектуру Gemma 2 с 2,7 млрд параметров и принимает текстовые запросы, генерируя ответы на корейском языке; контекст составляет до 8192 токенов. Модель предназначена для вопросов о биографиях, историях и лоре чемпионов игры. Для обучения использован датасет fanlino/lol-champion-qa с материалами официального сайта League of Legends, преобразованными в формат вопросов и ответов. Доступна в формате safetensors через Transformers; лицензия в предоставленных данных не указана.

Glistening-Gem-31B-v2.0 — мультимодальная разговорная модель с архитектурой Gemma 4 Dense и 31 млрд параметров, созданная sophosympatheia слиянием четырёх моделей методом DELLA. Она предназначена для творческого письма и диалогов, включая ролевые сценарии; поддерживает ввод изображений и текста. В карточке также отмечено улучшение творческих возможностей и стабильности относительно версии v1.0. Модель доступна в формате Safetensors и распространяется по лицензии Apache 2.0. У версии есть серьёзная проблема с весами lm_head: при использовании исходных весов Transformers и при повторной квантизации модель часто выдаёт несвязный текст. Некоторые GGUF-квантизации, созданные до исправления ошибки конвертации, используют матрицу эмбеддингов как выходной слой и, по сообщению автора, не затронуты проблемой. Автор считает v2.0 неудачным экспериментом и рекомендует вместо него sophosympatheia/Glistening-Gem-31B-v2.1.

HAYAA — дообученная модель автора youssefreda9 на основе UBC-NLP/MARBERTv2 для бинарной классификации арабского текста по меткам «безопасный» и «токсичный». Она выявляет оскорбления, ненавистнические высказывания, травлю, нецензурную лексику и другие формы токсичного контента в основных арабских диалектах, включая египетский, левантийский, заливный, магрибский, иракский, суданский и литературный арабский. Модель построена на архитектуре BERT для классификации последовательностей, содержит 190 млн параметров и принимает текст с контекстом до 512 токенов. Она предназначена для модерации соцсетей, форумов и комментариев, а также для инструментов родительского контроля и исследований арабоязычных токсичных высказываний. В README указаны 97,84% точности и F1 94,12% для токсичного класса на тестовом наборе примерно из 100 тысяч предложений; эти показатели относятся к описанной авторами оценке. HAYAA обучена на публичных арабоязычных наборах данных. Среди ограничений авторы отмечают преобладание данных из Twitter, шум в исходных разметках, неодинаковое представление диалектов, усечение длинных последовательностей и отсутствие учёта диалогового контекста. Модель следует использовать как вспомогательный инструмент с проверкой человеком. Лицензия репозитория — Apache-2.0.

image21-pocket-rewriter-2B — текстовая модель на 1,7 млрд параметров, разработанная ysharma на основе Qwen/Qwen3.5-2B. Это полное дообучение без изменений архитектуры, дистиллированное по выходам более крупной модели-переписчика запросов для Qwen-Image-2.1. Модель превращает короткий запрос пользователя в английское описание изображения и соотношение сторон, возвращая результат в компактном JSON с полями rewritten_prompt и wh_ratio. Модель предназначена для подготовки запросов к генерации изображений, в том числе для запросов на других языках: описание выдаётся по-английски, а текст, который должен появиться внутри изображения, сохраняется на исходном языке. Контекст составляет 262 144 токена. По оценке на 300 отложенных примерах модель выдавала допустимый JSON в 100% случаев, однако формат и выбор соотношения сторон не гарантированы. Это узкоспециализированная модель, а не универсальный чат-ассистент; её переписывания короче, чем у модели-учителя, и точность передачи текста на арабском и деванагари ниже, чем для латиницы. Для обучения использовались выходы Qwen-Image-2.1-PE-T2I. Указана исследовательская лицензия Qwen Research License: коммерческое применение требует отдельной лицензии Qwen.

kramp/ito-master-onnx — экспорт в формате ONNX белоящичной модели ITO-Master для музыкального мастеринга. Разработчик экспортировал предиктор параметров для запуска в браузере через ONNX Runtime Web; модель используется в Space audio-master. Предиктор принимает стереофонический звук с частотой 44,1 кГц и референсное аудио, кодирует стиль в эмбеддинг размерности 2048 и выдаёт 46 нормализованных параметров для цепочки обработки звука. Эквалайзер, дисторшн, многополосная компрессия, усиление, стереоимиджер и лимитер реализованы отдельно средствами Web Audio. Репозиторий содержит файлы ONNX и конфигурацию с порядком параметров и диапазонами для преобразования нормализованных значений. Экспорт проверен сравнением с PyTorch: максимальная абсолютная ошибка указана как менее 1e-3. Модель предназначена для автоматизации настройки мастеринга по референсному звучанию; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

Jib Mix Flux v8 AccentuEight NSFW — модель генерации изображений по текстовому описанию, опубликованная пользователем John6666 на Hugging Face. Репозиторий использует Diffusers и помечен как Flux dev; в карточке указаны реалистичный и фотореалистичный стили, а также английский язык. Пример загрузки показывает использование точности bfloat16. Модель предназначена для создания изображений по текстовым запросам, включая контент для взрослой аудитории. Карточка не сообщает размер архитектуры, длину контекста или подробные результаты оценки. Указана лицензия flux-1-dev-non-commercial-license, поэтому коммерческое использование ограничено её условиями.

Kanha-AI разработала Kanha Kanha.ai 1.7B PIT v1 — диалоговую модель генерации текста на базе Qwen3-1.7B, дообученную продолжать документы и отвечать на вопросы по специализированному корпусу сайта. Модель содержит 1,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Для запуска указана библиотека Transformers; веса представлены в формате safetensors, а для MLC доступны артефакты с квантизацией q4f16_1. Модель предназначена для диалогов и ответов по материалам сайта, включая извлечение дат, ссылок и числовых сведений. В README приведены результаты проверки на 26 примерах: полнота дат и URL составила 1,0, полнота чисел — около 0,76, списков — около 0,04; доля неподтверждённых значений — около 0,42. Обучающий корпус включал 17 документов и 170 пар вопросов и ответов, без оценочной выборки. Эти результаты не подтверждают общие возможности модели и не заменяют проверку конкретной сборки на целевых устройствах. README предупреждает о риске неверных, неполных, устаревших или запомненных ответов; сведения о лицензии в предоставленных данных отсутствуют.

Language Agency Classifier — классификатор предложений по уровню выраженной в них агентности. Модель создана авторами работы Wan et al. (2023) и реализована на архитектуре BERT с 136,7 млн параметров; в метаданных указано ограничение контекста 512 токенов. Модель предназначена для анализа агентного и общинного стиля речи, в частности для выявления возможных гендерных смещений в описаниях людей. Обучение проводилось на наборе, составленном из биографий Bias in Bios и их перефразированных версий с агентным или общинным стилем. Репозиторий содержит веса PyTorch; лицензия в предоставленных данных не указана.

Envoid/LBonVent-12B — текстовая генеративная модель, созданная автором репозитория путём глубокого LoRA-дообучения Undi95/Mistral-PetroLimaRP-v3-12B на корпусе Dendrite. Модель предназначена для ролевых диалогов и философских обсуждений; автор сообщает, что первые результаты выглядят многообещающе, но проверил её ограниченно. Модель построена на архитектуре Llama и содержит около 11 млрд параметров. Она работает с текстом, поддерживает контекст до 32 768 токенов и распространяется в формате PyTorch. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Карточка предупреждает, что модель может выдавать контент для взрослых.

llama-2-koen-story-13b — настраиваемая модель генерации текста семейства Llama 2, дообученная на корейских художественных текстах. Разработчик указал, что модель основана на beomi/llama-2-koen-13b и обучалась с помощью QLoRA на корпусе корейских романов объёмом около 167 МБ, включая классическую литературу. Параметры адаптера: LoRA rank 32, alpha 16, dropout 0,05; обучение проводилось три эпохи с learning rate 3e-4 и настройкой модулей q_proj и v_proj. Модель предназначена для генерации корейского художественного текста и продолжения повествования в стиле обучающих данных. Это плотная авторегрессионная модель на 12,9 млрд параметров с контекстом до 2048 токенов; репозиторий содержит веса Safetensors. Указана лицензия Llama 2. Из-за специализации на небольшом корпусе художественных текстов и ограниченного контекста модель может хуже справляться с общими вопросами и задачами вне корейской литературы.

mrp1mple дообучил Llama 3.2-3B-Instruct на исторических данных футбольных матчей пяти ведущих европейских лиг: Англии, Испании, Германии, Италии и Франции. Модель относится к плотной архитектуре LlamaForCausalLM, содержит 3,2 млрд параметров, работает через Transformers и имеет контекст до 131 072 токенов. Модель предназначена для получения результатов матчей конкретной команды за указанный сезон и краткого обзора её выступления по имеющимся данным. Её можно использовать как компонент футбольных аналитических панелей. Карточка также указывает интерфейс для вызова инструментов, но основное назначение модели — генерация ответов по футбольной истории. Данные охватывают сезоны с 1993–94 по 2022–23 и включают более 110 000 матчей из датасета Kaggle. Модель не предназначена для прогнозирования будущих результатов или коэффициентов ставок и для вопросов вне охвата датасета. Лицензия в предоставленных данных не указана.

aifeifei798/llama3-8B-aifeifei-1.0 — модель семейства Llama 3, созданная автором aifeifei798 с помощью объединения нескольких предварительно обученных моделей через mergekit. В ней около 7,5 млрд параметров; архитектура — плотная авторегрессионная LlamaForCausalLM. Модель предназначена для диалогов с персонажами виртуальных айдолов и генерации карточек персонажей. Для работы с ней автор рекомендует задавать персонажу карточку, поскольку без неё качество ответов может быть низким. Сценарии применения включают ролевые диалоги, создание образов и биографий музыкантов и айдолов, а также обсуждение песен, написания текстов, выступлений и музыкальных инструментов. Карточка заявляет поддержку китайского, английского, японского и корейского языков; корейский автор не проверял. Заявлены реалистичная отыгровка и различение реакций персонажа в разных ситуациях, однако качество тестировалось автором только в личном использовании и подробно не оценивалось. Контекст модели — 8192 токена. Лицензия — Llama 3; перед использованием следует учитывать её условия.

DataPilot/Llama3-ArrowSE-8B-v0.1 — разговорная модель на архитектуре Llama, созданная на основе elyza/Llama-3-ELYZA-JP-8B и доработанная для AItuber — виртуальных ведущих с ИИ. Модель предназначена для генерации диалоговых ответов; в README автор сообщает результат 3,77 балла на elyza-task100. Модель содержит 7,5 млрд параметров, использует формат safetensors и поддерживает контекст до 8192 токенов. README указывает на специализацию для AItuber, но не описывает дополнительные возможности или языки. Для использования действует лицензия Llama 3 (llama3).

LTX-2.3-SwordBattle — LoRA-адаптер для генерации видео по текстовому описанию на базе LTX-Video 2.3 от Lightricks. Модель опубликована под идентификатором Muapi/ltx-2.3-swordbattle и предназначена для создания сцен сражений на мечах и другой динамики соответствующей тематики. Модель работает в библиотеке Diffusers через pipeline text-to-video и использует базовую модель Lightricks/LTX-Video. В README указана поддержка генерации видео с параметрами ширины 768, высоты 512 и длительности 97 кадров, а также настройкой силы LoRA. Сведения о размере адаптера, языках, максимальном контексте, используемых модальностях помимо текста и конкретных обучающих словах отсутствуют. Сильная сторона модели — специализация базовой видеомодели под сцены sword battle, что может упростить создание тематических видеоклипов по сравнению с использованием универсальной модели. Для работы через API требуется ключ MUAPI. Лицензия указана как openrail++, однако дополнительные условия её применения в README не раскрыты.

LuminRP-7B-128k-v0.2 — слитая с помощью LazyMergekit модель автора Ppoyaa на базе четырёх моделей для ролевых диалогов. Это плотная авторегрессионная языковая модель Mistral с 7,1 млрд параметров и контекстом до 131 072 токенов. Она предназначена для отыгрыша ролей и продолжительных диалогов; в карточке рекомендован шаблон ChatML с включённым режимом Instruct, также подходит шаблон Mistral. Модель работает с текстом на английском языке и распространяется под лицензией Apache-2.0. Доступна версия в формате GGUF. Результаты бенчмарков приведены в README, но сами по себе не характеризуют качество ролевого общения.

LUSTIFY-v2.0 — модель генерации изображений по текстовому описанию, созданная автором coyotte на основе SDXL 1.0. Это дообученный и объединённый чекпойнт в формате Diffusers с весами safetensors. Версия 2.0 объединяет первую версию с NatVis, а затем дополнительно обучена на новых изображениях; автор сообщает о 26 535 дополнительных шагах обучения. Модель рассчитана на фотореалистичную генерацию изображений по естественным языковым промптам и тегам Danbooru. Она создаёт как откровенный контент, так и изображения без откровенного содержания, включая объекты, животных и фэнтезийных существ. Автор отмечает улучшенное следование промптам и разнообразие стилей в версии 2.0. По словам автора, для сложных откровенных сцен результат стал менее стабильным и может потребовать нескольких генераций. На дальних планах могут получаться несовершенные лица и кисти рук; автор рекомендует для таких случаев повышенное разрешение и инструменты доработки. Модель описана как экспериментальная и может вести себя иначе, чем другие чекпойнты SDXL. Условия лицензии в предоставленной карточке не указаны.

MyneFactory/MF-Bofuri — модель генерации изображений по текстовому описанию, обученная на персонажах и образах из аниме «Бофури: Я не хочу получать боль, поэтому вложу всё в защиту». Она создана на базе ACertainty и дообучена на 33 концепциях, связанных с произведением; для генерации использует Stable Diffusion и библиотеку Diffusers. В репозитории представлены форматы Diffusers, PyTorch и Safetensors, а также промежуточные контрольные точки в формате ckpt. Модель предназначена для создания аниме-иллюстраций с конкретными персонажами, костюмами и образами из серии. Можно сочетать два концепта в одной сцене, однако при трёх и более концептах часто возникают смешение персонажей и одежды. Автор отмечает слабые результаты для образа BoMaple sheep form и нечеловеческих персонажей, в том числе нестабильное понимание внешности и размера Syrup. Обучение проведено на 512 пикселях; лицензия — CreativeML Open RAIL-M.